为了提高印刷品全画面缺陷检测系统的检测精度,论文从硬件和软件两方面研究了提升图像采集质量的方法,并在此基础上完成了缺陷检测系统中参考图像的在线学习,论文提出的方法均已分模块得以实现。　　首先,通过对机器视觉系统构成的分析,针对系统硬件的使用提出了一系列的改进方法,如相机白平衡、平场校正、光源结构设计等,有效提高了图像采集系统的运行性能,能够采集质量较好的图像,采集速度可达120m/min。　　为了进一步提高图像反应目标真实信息的效果,提出了一种基于相机标定的图像校正方法;为了提高相机标定精度,针对棋盘格标定板的角点检测,提出了一种基于正交向量的亚像素级角点检测方法,实验证明该方法能够有效提升标定精度并准确地校正畸变图像,标定误差仅为0.04mm。　　针对目标样品的准确提取,提出了一种基于灰度投影直方图的特征区域定位方法;提出了一种基于图像金字塔分层搜索策略的图像配准方法,可以快速、准确地通过配准模版对图像进行配准学习,生成的参考图像有效减少了平台震动对检测系统的影响。　　提出了一种基于高斯平滑算子和canny锐化算子的图像预处理方法,能够在降噪的同时很好地保留图像边缘信息;提出了一种基于相邻图像首位对接的图像检测方法,实现100％无漏检。实验结果表明,以上方法能够有效地提升缺陷检测精度。